陈浩儒|队员:王振洋、刘宇帆、施豪、金昊冉、吴怡芸 人工智能赋能海洋,无人船正逐步走进智能航运、水环境监测、水上文旅等诸多场景,但复杂水域的自主靠泊,一直是横亘在行业面前...

陈浩儒|队员:王振洋、刘宇帆、施豪、金昊冉、吴怡芸

人工智能赋能海洋,无人船正逐步走进智能航运、水环境监测、水上文旅等诸多场景,但复杂水域的自主靠泊,一直是横亘在行业面前的技术壁垒。浙江海洋大学泊海智眸团队,投身无人船自主停靠泊关键技术揭榜攻关,从纸上构想走向仿真验证,我和队友在一次次失败与迭代之中,完成多传感器环境感知系统的开发实践。

项目推进中期,硬件选型布局基本落定,真正的硬仗落在环境感知算法开发。我们这套系统配置 7 台激光雷达与 7 台工业相机,硬件数量多,安装存在微小偏移,加上水面风浪带来船体晃动,传感器位置、姿态会出现随机扰动。如果无法完成精准联合标定,激光点云与视觉图像就会出现错位,直接造成障碍物漏检、定位失效。面对这个棘手问题,团队没有退缩,开展头脑风暴,拆解标定全流程。

我们把标定拆解为四大阶段:几何约束标定、激光雷达之间点云标定、相机视觉标定、多传感器联合优化。王振洋、刘宇帆主要负责标定代码编写,利用 ICP 迭代最近点配准、RANSAC 算法、ORB 特征点匹配,结合最小二乘法与 SVD 矩阵正交化完成联合优化;施豪、吴怡芸负责采集仿真环境传感器数据,收集满 100 帧数据触发自动标定流程,输出 JSON 格式标定结果与 tf 坐标变换;金昊冉专注对标标定前后的性能指标,统计重投影误差、置信度。

最开始调试的时候,标定效果并不理想,环视 BEV 鸟瞰图错位严重,位置误差高达 17.1%,障碍物召回率很低。我们反复回看日志,排查每一条约束条件,核对传感器垂直偏移、船体 Y 轴对称约束,不断调参优化。历经数十轮仿真调试,终于实现平均置信度 0.924,环视重叠区重投影误差满足项目指标。

标定完成之后,团队马不停蹄开展点云融合与 BEV 鸟瞰图开发。将 7 路激光雷达原始点云,全部转换到船体本体坐标系,过滤无效距离点,完成点云融合输出。再将三维点云离散网格化,生成 200×200 像素的鸟瞰图,通过 3×3 最大值滤波做膨胀处理,标记空闲、未知、障碍物占据区域,为后续路径规划提供地图输入。与此同时我们完成障碍物检测,采用 BFS 距离阈值聚类算法,结合摄像头 HSV 颜色空间信息,区分浮球、立柱、游动船只、浮块四类水上障碍物。

为验证多源融合的优势,我们分别测试纯视觉、纯激光雷达、激光视觉融合三套方案。纯视觉受光照干扰大,缺少距离信息;纯激光雷达无法分辨障碍物色彩类别。多传感器融合方案扬长避短,BEV 精度、障碍物精确率、召回率都得到明显提升。

后续我们搭建分级风险响应机制,按照障碍物距离划分高、中、低、安全四个风险等级,对应不同航行速度和避障策略。开展多场景仿真测试:不同等级海况、开阔水域、障碍物密集区、狭窄水道、码头周边,统计全套性能指标。静态障碍物避障测试中,系统成功绕行全部障碍物,避障成功率 100%。

科创实践教会我们,海洋装备研发容不得半点马虎,每 0.1 米的精度提升,背后都是无数次参数调整。作为海洋高校学子,我们希望持续精进技术,为无人船水域作业提供可靠感知方案,把青春写向蔚蓝大海。

一同统计仿真平台实验数据